Progetto Datascience

Gruppo

• Bryan Beffa
• Mattia Toscanelli

Descrizione dataset

Informazioni su più di 180.000 attacchi terroristici (1 riga per ogni attacco)

Il Global Terrorism Database (GTD) è un database open-source che include informazioni sugli attacchi terroristici in tutto il mondo dal 1970 al 2017 (escluso il 1993). Il GTD include dati sistematici sugli incidenti terroristici nazionali e internazionali che si sono verificati durante questo periodo di tempo e ora comprende più di 180.000 attacchi. Il database è gestito dai ricercatori del Consorzio nazionale per lo studio del terrorismo e delle risposte al terrorismo (START), con sede presso l"Università del Maryland.

Colonne importanti

• Date (Year, Month, Day) --> La data dell'attacco
• Latitude/Longitude --> latitudine e longitudine di dove è successo l'attacco
• Country --> La nazione dove è successo l'attacco
• Region --> La regione geografica (≠ continente) dove è successo l"attacco
• Target --> Il gruppo, l"obiettivo che ha subito l'attacco
• Killed --> Numero di vittime dell'attacco
• Weapon_type -> Arma utilizzata per l"attacco

Librerie utilizzate

• Numpy
• Pandas
• Plotly
• Calendar

Dataset Source

https://www.kaggle.com/datasets/START-UMD/gtd?datasetId=504&sortBy=voteCount (03.12.2022)
https://www.kaggle.com/datasets/kaggleashwin/population-dataset (03.12.2022) --> Per proporzioni un base alla popolazione e mappe - 1 riga per ogni paese

---

Import librerie

import numpy as np
import pandas as pd
import plotly.express as px
import plotly.graph_objs as go
from plotly.subplots import make_subplots
import calendar
import warnings

Import dati

df_terrorism = pd.read_csv("data/terrorism/globalterrorismdb_0718dist.csv",encoding="ISO-8859-1",low_memory=False)
df_population = pd.read_csv("data/terrorism/World-population-by-countries.csv")

Rinominazione colonne

df_terrorism.rename(columns={"iyear":"Year","imonth":"Month","iday":"Day","country_txt":"Country","region_txt":"Region","attacktype1_txt":"AttackType","target1":"Target","nkill":"Killed","nwound":"Wounded","summary":"Summary","gname":"Group","targtype1_txt":"Target_type","weaptype1_txt":"Weapon_type","motive":"Motive"},inplace=True)
df_terrorism = df_terrorism[["Year","Month","Day","Country","Region","city","latitude","longitude","AttackType","Killed","Wounded","Target","Summary","Group","Target_type","Weapon_type","Motive"]]
df_population.rename(columns={"Country Name": "Country", "Country Code": "iso_alpha"},inplace=True)

Modifiche utili

#Rinominazione città null
df_terrorism[df_terrorism["city"] is None] = "Unkown"

#Rimozione attacchi in cui non si conosce il mese
df_terrorism=df_terrorism[df_terrorism["Month"] != 0]

#Rinominazione mesi
df_terrorism = df_terrorism.sort_values(["Year", "Month", "Day"])
df_terrorism["Month"] = df_terrorism["Month"].apply(lambda x: calendar.month_abbr[x])

#Rinominazione continente
df_terrorism.loc[df_terrorism["Region"].str.contains("Asia"), "Region"] = "Asia"
df_terrorism.loc[df_terrorism["Region"].str.contains("Africa"), "Region"] = "Africa"
df_terrorism.loc[df_terrorism["Region"].str.contains("America"), "Region"] = "America"
df_terrorism.loc[df_terrorism["Region"].str.contains("Europe"), "Region"] = "Europe"
df_terrorism.loc[df_terrorism["Region"].str.contains("Oceania"), "Region"] = "Oceania"

#Rinominazione nazioni
df_terrorism.loc[df_terrorism["Country"].str.contains("Soviet Union"), "Country"] = "Russia"
df_terrorism.loc[df_terrorism["Country"].str.contains("Germany"), "Country"] = "Germany"

#Rinominazione armi utilizzate
df_terrorism.loc[df_terrorism["Weapon_type"].str.contains("Vehicle"), "Weapon_type"] = "Vehicle"

#Ignore warning
warnings.filterwarnings("ignore")

---

Analisi tabelle

Colonne dataset terrorism

df_terrorism.columns

Index([       'Year',       'Month',         'Day',     'Country',
            'Region',        'city',    'latitude',   'longitude',
        'AttackType',      'Killed',     'Wounded',      'Target',
           'Summary',       'Group', 'Target_type', 'Weapon_type',
            'Motive',         False],
      dtype='object')

Numero righe terrorism

len(df_terrorism.index)

181671

Esempio sample terrorism

df_terrorism.sample(5)

	Year	Month	Day	Country	Region	city	latitude	longitude	AttackType	Killed	Wounded	Target	Summary	Group	Target_type	Weapon_type	Motive	False
146608	2015	Apr	10	Ukraine	Europe	Olenivka	47.827862	37.652819	Bombing/Explosion	0.0	0.0	Railway Tracks	04/10/2015: An explosive device planted along ...	Unknown	Transportation	Explosives	NaN	Unkown
76633	2004	Jun	14	Turkey	Africa	Istanbul	41.106178	28.689863	Bombing/Explosion	0.0	1.0	Civilians in Istanbul	06/14/2004: A bomb that was placed among garba...	Unknown	Business	Explosives	Unknown	Unkown
21953	1984	May	8	Chile	America	Santiago	-33.366238	-70.505302	Bombing/Explosion	NaN	NaN	street	NaN	Manuel Rodriguez Patriotic Front (FPMR)	Private Citizens & Property	Explosives	NaN	Unkown
157803	2016	Jan	16	Afghanistan	Asia	Sangin district	32.140817	65.021475	Bombing/Explosion	0.0	0.0	Unknown	01/16/2016: An unknown number of landmines wer...	Unknown	Unknown	Explosives	NaN	Unkown
47255	1991	Jul	16	Netherlands	Europe	Amsterdam	52.370216	4.895168	Facility/Infrastructure Attack	0.0	0.0	Branch	NaN	Dev Sol	Business	Incendiary	NaN	Unkown

Colonne dataset population

Ogni colonna rappresenta la popolazione in quel determinato anno.

df_population.columns

Index(['Country', 'iso_alpha', '1960', '1961', '1962', '1963', '1964', '1965',
       '1966', '1967', '1968', '1969', '1970', '1971', '1972', '1973', '1974',
       '1975', '1976', '1977', '1978', '1979', '1980', '1981', '1982', '1983',
       '1984', '1985', '1986', '1987', '1988', '1989', '1990', '1991', '1992',
       '1993', '1994', '1995', '1996', '1997', '1998', '1999', '2000', '2001',
       '2002', '2003', '2004', '2005', '2006', '2007', '2008', '2009', '2010',
       '2011', '2012', '2013', '2014', '2015', '2016', '2017', '2018', '2019',
       '2020', '2021'],
      dtype='object')

Numero righe population

len(df_population.index)

266

Esempio sample population

df_population.sample(5)

	Country	iso_alpha	1960	1961	1962	1963	1964	1965	1966	1967	...	2012	2013	2014	2015	2016	2017	2018	2019	2020	2021
196	West Bank and Gaza	PSE	NaN	NaN	NaN	NaN	NaN	NaN	NaN	NaN	...	3979998.0	4076708.0	4173398.0	4270092.0	4367088.0	4454805.0	4569087.0	4685306.0	4803269.0	4922749.0
211	El Salvador	SLV	2766319.0	2846601.0	2931187.0	3019224.0	3109571.0	3201310.0	3293954.0	3387384.0	...	6237922.0	6266076.0	6295124.0	6325121.0	6356137.0	6388124.0	6420740.0	6453550.0	6486201.0	6518500.0
7	Arab World	ARB	92197715.0	94724540.0	97334438.0	100034191.0	102832792.0	105736428.0	108758634.0	111899335.0	...	371437642.0	379696477.0	387899835.0	396028301.0	404042892.0	411942825.0	419851989.0	427870273.0	436080728.0	444517783.0
56	Djibouti	DJI	83634.0	88503.0	94203.0	100618.0	107582.0	114976.0	122876.0	131405.0	...	868136.0	883296.0	898707.0	913998.0	929117.0	944100.0	958923.0	973557.0	988002.0	1002197.0
232	Togo	TGO	1580508.0	1597523.0	1612761.0	1631758.0	1662073.0	1708631.0	1774020.0	1855450.0	...	6773807.0	6954721.0	7137997.0	7323162.0	7509952.0	7698476.0	7889095.0	8082359.0	8278737.0	8478242.0

5 rows × 64 columns

---

Analisi generali

fig = px.histogram(df_terrorism, x="Year", title="Numero attacchi terroristici per anno")
fig.layout["xaxis"]["title"] = "Anno"
fig.layout["yaxis"]["title"] = "Numero di attacchi"
fig

#Top 7 obbiettivi
df_tt_all = df_terrorism.groupby(["Target_type"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_tt = df_tt_all.head(7)
df_tt.columns = ["Target_type", "Count"]

#Raggruppamento restanti obbiettivi
df_tt_all = df_tt_all.iloc[7:]
df_tt_all["Target_type"] = "Other"
new_row = pd.DataFrame([["Other", (df_tt_all.groupby(["Target_type"]).sum()[0]["Other"])]], columns=["Target_type", "Count"])
df_tt = pd.concat([df_tt, new_row], ignore_index=True)

#Cambiamento colore per Other
df_tt["Color"] = "1"
df_tt.loc[df_tt["Target_type"] == "Other", "Color"] = "2"

fig = px.histogram(df_tt, y="Target_type", x="Count", color="Color", title="Top 7 obiettivi di attacchi terroristici")
fig.layout["xaxis"]["title"] = "Numero attacchi"
fig.layout["yaxis"]["title"] = "Obiettivo"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Raggruppamento arma utilizzata per numero di vittime
df_wp = df_terrorism[["Weapon_type", "Killed"]]
df_wp.loc[df_wp["Weapon_type"].str.contains("Unknown"), "Weapon_type"] = "Other"
df_wp = df_wp[~df_wp["Killed"].isnull()]
df_wp_all = df_wp.groupby(["Weapon_type"])["Killed"].sum().reset_index().sort_values(by=["Killed"], ascending = False)

#Top 5 vittime
df_wp = df_wp_all.head(6)

#Raggruppamento restanti obbiettivi
df_wp_all = df_wp_all.iloc[6:]
df_wp_all["Weapon_type"] = "Other"
df_wp_all = pd.concat([df_wp, df_wp_all], ignore_index=True)
df_wp_all = df_wp_all.groupby(["Weapon_type"])["Killed"].sum().reset_index().sort_values(by=["Killed"], ascending = False)
df_wp_all_wu = df_wp_all[df_wp_all["Weapon_type"] != "Other"]
df_wp_all_ws = pd.concat([df_wp_all_wu, df_wp_all[df_wp_all["Weapon_type"] == "Other"]], ignore_index=True)

#Cambiamento colore per Other
df_wp_all_ws["Color"] = "1"
df_wp_all_ws.loc[df_wp_all_ws["Weapon_type"] == "Other", "Color"] = "2"

fig = px.histogram(df_wp_all_ws, y="Weapon_type", x="Killed", color="Color", title="Numero di vittime totale in base alla tipologia di arma utilizzata")
fig.layout["xaxis"]["title"] = "Numero vittime"
fig.layout["yaxis"]["title"] = "Tipologia arma"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Raggruppamento arma utilizzata per numero di vittime
df_wp = df_terrorism[["Weapon_type", "Killed"]]
df_wp.loc[df_wp["Weapon_type"].str.contains("Unknown"), "Weapon_type"] = "Other"
df_wp = df_wp[~df_wp["Killed"].isnull()]
df_wp_all = df_wp.groupby(["Weapon_type"])["Killed"].mean().reset_index().sort_values(by=["Killed"], ascending = False)
df_wp_top5 = df_wp_all.head(5)

#Raggruppamento restanti 
df_wp_ot = df_wp_all.iloc[6:]
df_wp_ot["Weapon_type"] = "Other"
df_wp_ot = df_wp_ot.groupby(["Weapon_type"])["Killed"].sum().reset_index().sort_values(by=["Killed"], ascending = False)
df_wp_all = pd.concat([df_wp_ot, df_wp_top5], ignore_index=True)
df_wp_all = df_wp_all.groupby(["Weapon_type"])["Killed"].sum().reset_index().sort_values(by=["Killed"], ascending = False)
df_wp_all_wo = df_wp_all[df_wp_all["Weapon_type"] != "Other"]
df_wp_all = pd.concat([df_wp_all_wo, df_wp_all[df_wp_all["Weapon_type"] == "Other"]], ignore_index=True)

#Raggruppamento restanti 
df_wp_all["Color"] = "1"
df_wp_all.loc[df_wp_all["Weapon_type"] == "Other", "Color"] = "2"

#Cambiamento colore per Othe
fig = px.histogram(df_wp_all, y="Weapon_type", x="Killed", color="Color", title="Numero medio di vittime in base all'arma utilizzata")
fig.layout["xaxis"]["title"] = "Numero vittime"
fig.layout["yaxis"]["title"] = "Tipologia arma"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Raggruppamento per gruppo terroristico
df_tg_all = df_terrorism.groupby(["Group"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_tg = df_tg_all.iloc[1:]

#Raggruppamento restanti gruppi
df_tg_all = df_tg.head(7)
df_tg_all.columns = ["Group", "Count"]

fig = px.histogram(df_tg_all, y="Group", x="Count", title="Gruppi terroristici con più attacchi")
fig.layout["xaxis"]["title"] = "Numero attacchi"
fig.layout["yaxis"]["title"] = "Gruppo terroristico"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Top 7 gruppi terroristici più letali (media morti più alta)
df_gk = df_terrorism[["Group", "Killed"]]
df_gk = df_gk[~df_gk["Killed"].isnull()]
df_gk_all = df_gk.groupby(["Group"])["Killed"].mean().reset_index().sort_values(by=["Killed"], ascending = False)

#Numero di attacchi per gruppo terroristico
df_gk_count = df_terrorism[["Group", "Killed"]]
df_gk_count = df_gk_count[~df_gk_count["Killed"].isnull()]
df_gk_count_all = df_gk.groupby(["Group"]).size().reset_index().sort_values(by=[0], ascending = False)
df_gk_count_all.columns = ["Group", "Count"]
df_gk_merged = pd.merge(df_gk_count_all, df_gk_all, how="left", on="Group")
df_gk_merged.columns = ["Group", "Count", "AvgKilled"]
df_gk_merged = df_gk_merged.sort_values(by=["AvgKilled"], ascending = False)

#Gruppi con almeno 100 attacchi
min_num_attacks = 100
df_gk_attacks = df_gk_merged[df_gk_merged["Count"] >= min_num_attacks].sort_values(by=["AvgKilled"], ascending = False)
df_gk_attacks = df_gk_attacks.head(5)

fig = px.histogram(df_gk_attacks, y="Group", x="AvgKilled", title="Top 5 gruppi terroristici con media uccisioni più alta (almeno 100 attacchi)")
fig.layout["xaxis"]["title"] = "Media vittime per attacco"
fig.layout["yaxis"]["title"] = "Gruppo terroristico"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Top 10 attacchi con piu morti
dfk = df_terrorism[["city","Killed", "Year"]]
dfk = dfk[dfk["city"] != "Unknown"]
dfk = dfk.sort_values(by=["Killed"], ascending=False).head(11).reset_index() #11 perché l'attacco di New York è suddiso in due ma noi lo uniamo

fig = px.histogram(dfk, y="city", x="Killed", title="Top 10 attacchi terroristici con più morti", hover_data=["Year"], height=400).update_yaxes(categoryorder="total ascending")
fig.layout["xaxis"]["title"] = "Numero attacchi"
fig.layout["yaxis"]["title"] = "Città"
fig

#Top 5000 attacchi con più morti
dfk = df_terrorism[["city","Killed", "Year", "latitude", "longitude", "Country"]]
dfk = dfk[dfk["city"] != "Unknown"]
dfk = dfk.sort_values(by=["Killed"], ascending=False).head(5000).reset_index()

fig = px.scatter_geo(dfk,
                    lat=dfk["latitude"],
                    lon=dfk["longitude"],
                    hover_data=["city", "Killed", "Country"],
                    title="Top 5000 attacchi terroristici con più morti")
fig.update_traces(marker_color="red")
fig.update_layout(
    height=800)
fig

#Raggurppamento nazioni per numero di vittime totali
df_tw = df_terrorism[["Country", "Killed"]]
df_tw = df_tw.groupby("Country")["Killed"].sum().reset_index()
df_pop = df_population[["Country", "2017"]]
df_merg = pd.merge(df_tw, df_pop, how="left", on="Country")
df_merg = df_merg[~df_merg["2017"].isnull()]

fig = px.scatter(df_merg, x="2017", y="Killed", hover_data=["Country"], log_x=True, title="Numero vittime da attacchi terroristici totali per nazione in relazione alla sua popolazione")
fig.layout["xaxis"]["title"] = "Popolazione"
fig.layout["yaxis"]["title"] = "Vittime"
fig

#Raggruppamento nazioni per numero di attacchi
df_tw = df_terrorism[["Country"]]
df_tw["Numero di attacchi"] = df_tw.groupby("Country")["Country"].transform("count")
dfw = df_tw.drop_duplicates()

df_pop = df_population[["Country", "2017"]]
df_merg = pd.merge(dfw, df_pop, how="left", on="Country")
df_merg = df_merg[~df_merg["2017"].isnull()]
fig = px.scatter(df_merg, x="2017", y="Numero di attacchi", hover_data=["Country"], log_x=True, title="Numero totali di attacchi terroristici per nazione in relazione alla sua popolazione")
fig.layout["xaxis"]["title"] = "Popolazione"
fig

---

Analisi temporali

fig = px.histogram(df_terrorism[df_terrorism["Month"] != 0], x="Month", title="Attacchi terroristici per Mese")
fig.layout["yaxis"]["title"] = "Numero di attacchi"
fig.layout["xaxis"]["title"] = "Mese"
fig

fig = px.histogram(df_terrorism, y="Region", title="Numero attacchi terroristici per regione geografica in base all'anno", animation_frame="Year").update_yaxes(categoryorder="total ascending")
fig.layout["yaxis"]["title"] = "Regione geografica"
fig.layout["xaxis"]["title"] = "Numero di attacchi"
fig

#Ragruppamento per regione geografica
df_country_by_year = df_terrorism.groupby(["Year", "Region"])["Killed"].sum().reset_index().sort_values(by=["Year"], ascending = True)
df_country_by_year = df_country_by_year.sort_values(by=["Region", "Year"], ascending = True)

fig = px.line(df_country_by_year, x="Year", y="Killed" , color="Region", title="Numero attacchi terroristici per regione geografica nel corso degli anni")
fig.layout["xaxis"]["title"] = "Anno"
fig.layout["yaxis"]["title"] = "Numero attacchi"
fig.layout["legend"]["title"] = "Regione geografica"
fig.update_layout(
    height=500)
fig

fig = make_subplots(
    rows=2, cols=3,
    subplot_titles=("Africa", "America", "Oceania", "Asia", "Europe"))

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Africa"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Africa"]["Killed"],
), row=1, col=1)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "America"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "America"]["Killed"],
), row=1, col=2)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Asia"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Asia"]["Killed"],
), row=2, col=1)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Europe"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Europe"]["Killed"],
), row=2, col=2)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Oceania"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Oceania"]["Killed"],
), row=1, col=3)

fig.update_layout(title_text="Numero attacchi terroristici per regione geografica nel corso degli anni")
fig.update_layout(
    showlegend=False,
    height=800)
fig

#Raggruppamento regione per numero di morti
df_country_by_year = df_terrorism.groupby(["Country", "Year", "Region"])["Killed"].sum().reset_index().sort_values(by=["Year"], ascending = True)
df_country_by_year["Population"] = 0
df_country_by_year

#Calcolo della popolazione per ogni continenete (somma di tutte le pololazioni delle nazioni)
for index, row in df_country_by_year.iterrows():
    year = str(row["Year"])
    country = row["Country"]
    if (len(df_population[df_population["Country"] == country][year].values) > 0):
        df_country_by_year["Population"][index] = df_population[df_population["Country"] == country][year].values[0]

#Calcolo Ratio
df_country_by_year = df_country_by_year.groupby(["Region","Year"])["Killed","Population"].sum().reset_index().sort_values(by=["Year"], ascending = True)
df_country_by_year["Ratio"] = df_country_by_year["Killed"] / df_country_by_year["Population"] * 100
df_country_by_year = df_country_by_year.sort_values(by=["Region", "Year"], ascending = True)

fig = px.line(df_country_by_year, 
              x="Year", 
              y="Ratio", 
              color="Region", 
              title="Rapporto vittime/popolazione per regione geografica nel corso degli anni", 
              labels={"Country" : "Regione"})
fig.layout["xaxis"]["title"] = "Anno"
fig.layout["yaxis"]["title"] = "Rapporto vittime/popolazione [%]"
fig.layout["legend"]["title"] = "Regione geografica"
fig.update_layout(
    height=500)
fig

fig = make_subplots(
    rows=2, cols=3,
    subplot_titles=("Africa", "America", "Oceania", "Asia", "Europe"),
    x_title="Anno",
    y_title="Rapporto vittime da attacchi/popolazione [%]",)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Africa"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Africa"]["Ratio"],
), row=1, col=1)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "America"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "America"]["Ratio"],
), row=1, col=2)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Asia"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Asia"]["Ratio"],
), row=2, col=1)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Europe"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Europe"]["Ratio"],
), row=2, col=2)

fig.append_trace(go.Scatter(
    x=df_country_by_year[df_country_by_year["Region"] == "Oceania"]["Year"], 
    y=df_country_by_year[df_country_by_year["Region"] == "Oceania"]["Ratio"],
), row=1, col=3)


fig.update_layout(title_text="Rapporto vittime da attacchi/popolazione nel corso degli anni")
fig.update_layout( 
    showlegend=False, 
    height=800)
fig

---

Analisi geografica

fig = px.histogram(df_terrorism, y="Region", title="Totale attacchi terroristici per regione geografica").update_yaxes(categoryorder="total ascending")
fig.layout["yaxis"]["title"] = "Regione geografica"
fig.layout["xaxis"]["title"] = "Numero di attacchi"
fig

#Raggruppamento numero di vittime per regione geografica
df_region = df_terrorism.groupby(["Region"])["Killed"].sum().reset_index().sort_values(by=["Killed"], ascending = False)

fig = px.histogram(df_region, y="Region", x="Killed", title="Numero di vittime da attacchi terroristici in base alla regione geografica").update_yaxes(categoryorder="total ascending")
fig.layout["xaxis"]["title"] = "Numero di vittime"
fig.layout["yaxis"]["title"] = "Regione geografica"
fig

fig = px.box(df_terrorism, y="Region", x="Killed", title="Numero vittime per attacco terroristico in base alla regione geografica", log_x=True).update_yaxes(categoryorder="total ascending")
fig.layout["xaxis"]["title"] = "Numero vittime"
fig.layout["yaxis"]["title"] = "Regione geografica"
fig

fig = px.treemap(df_terrorism, path=[px.Constant("Anni"), "Year"], values="Killed", title="Numero vittime di attacchi terroristici per anno")
fig.update_traces(root_color="lightgrey")
fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
fig

fig = px.treemap(df_terrorism, path=[px.Constant("Anni"), "Year"], title="Numero di attacchi terroristici per anno")
fig.update_traces(root_color="lightgrey")
fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
fig

fig = px.treemap(df_terrorism, path=[px.Constant("World"), "Region", "Country"], title="Numero attacchi terroristici per regione geografica/pease")
fig.update_traces(root_color="lightgrey")
fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
fig

fig = px.treemap(df_terrorism, path=[px.Constant("World"), "Region", "Country"], values="Killed", title="Numero di vittime per regione geografica/paese")
fig.update_traces(root_color="lightgrey")
fig.update_layout(margin = dict(t=50, l=25, r=25, b=25))
fig

#Raggruppamento numero di attacchi per nazione
df_tw = df_terrorism[["Country"]]
df_tw["Numero di attacchi"] = df_tw.groupby("Country")["Country"].transform("count")
dfw = df_tw.drop_duplicates()

#Unione con dataset popolazione per iso_alpha
df_wm =pd.merge(df_population, dfw, how="left", on="Country")

fig = px.choropleth(df_wm, locations="iso_alpha",
                    color="Numero di attacchi",
                    hover_name="Country", # column to add to hover information
                    color_continuous_scale=px.colors.sequential.Plasma,
                    title="Numero di attacchi terroristici totali per nazione")
fig.update_layout(
    height=800)
fig

#Raggruppamento numero di attacchi per nazione
df_tw = df_terrorism[["Country"]]
df_tw["Numero di attacchi"] = df_tw.groupby("Country")["Country"].transform("count")
dfw = df_tw.drop_duplicates()

#Unione con dataset popolazione per iso_alpha e popolazioni
df_wm = pd.merge(df_population, dfw, how="left", on="Country")
df_wm["Rapporto [%]"] = (df_wm["Numero di attacchi"]/df_wm["2017"]*100)

fig = px.choropleth(df_wm, locations="iso_alpha",
                    color=df_wm["Rapporto [%]"], #elevato per mostrare meglio le differenze
                    hover_name="Country",
                    color_continuous_scale=px.colors.sequential.Plasma,
                    title="Numero di attacchi terroristici per nazione in porporzione alla popolazione")
fig.update_layout(
    showlegend=False,
    height=800)
fig

#5 citta con più morti in proporzione alla popolazione
df_population_2017 = df_population[["Country", "2017"]]
df_ckill= df_terrorism.groupby(["Country"])["Killed"].sum().reset_index()
df_wp_all_wu = pd.merge(df_ckill, df_population_2017, how="left", on="Country")
df_wp_all_wu["Ratio"] = df_wp_all_wu["Killed"] / df_wp_all_wu["2017"] * 100
df_wp_all_wu = df_wp_all_wu.sort_values(by=["Ratio"], ascending = False).head(5)

# Mostra grafico
fig = px.histogram(df_wp_all_wu, y="Country", x="Ratio", title="Top 5 paesi con il rapporto vittime/popolazione più alto").update_yaxes(categoryorder="total ascending")
fig.layout["yaxis"]["title"] = "Paese"
fig.layout["xaxis"]["title"] = "Rapporto vittime/popolazione [%]"
fig

fig = px.pie(df_terrorism, names="Region", title="Suddivisione attacchi terroristici per regione geografica", values="Killed", height=600)
fig

#tipologia attacco percentuale
df_at_all = df_terrorism.groupby(["AttackType"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_at = df_at_all.head(3)
df_at.columns = ["AttackType", "Count"]

#setto other
df_at_all = df_at_all.iloc[3:]
df_at_all["AttackType"] = "Other"
new_row = pd.DataFrame([["Other", (df_at_all.groupby(["AttackType"]).sum()[0]["Other"])]], columns=["AttackType", "Count"])
df_at = pd.concat([df_at, new_row], ignore_index=True)

#group by region
df_at_region = df_terrorism.groupby(["Region", "AttackType"]).size().to_frame().sort_values([0], ascending = False).reset_index()

#setto gli attack type
for index, row in df_at_region.iterrows():
    if(~df_at["AttackType"].str.contains(df_at_region["AttackType"][index]).any()):
        df_at_region["AttackType"][index] = "Other"

df_at_region.columns = ["Region", "AttackType", "Count"]
df_at_region = df_at_region.groupby(["Region", "AttackType"])["Count"].sum().reset_index()

#calcolo percentuale
df_at_region["Percentage"] = 0
for index, row in df_at_region.iterrows():
    region = str(row["Region"])
    df_region = df_at_region[df_at_region["Region"] == region]
    sum_attacks = df_region["Count"].sum()
    percentage = row["Count"] / sum_attacks * 100
    df_at_region["Percentage"][index] = round(percentage, 1)


fig= px.bar(df_at_region, 
             y = "Region", 
             x = "Percentage",
            title = "Percentuale tipologia di attacco per regione geografica",
             color = "AttackType", 
             barmode = "stack", 
             text=df_at_region["Percentage"],
             labels={"AttackType": "Tipologia di attacco"},
            hover_data=df_at_region.columns
           )
fig.layout["yaxis"]["title"] = "Regione geografica"
fig.layout["xaxis"]["title"] = "Percentuale [%]"
fig.update_layout(template = "simple_white")
fig

Analisi Svizzera

#Filto per attacchi svizzeri
df_ts = df_terrorism[df_terrorism["Country"] == "Switzerland"]
df_ts_c = df_ts[["city"]]

#Top 7 obbiettivi
df_ts_c = df_ts_c.groupby(["city"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_tsc = df_ts_c.head(7)
df_tsc.columns = ["city", "Count"]

#Raggruppamento restanti obbiettivi
df_ts_c = df_ts_c.iloc[7:]
df_ts_c["city"] = "Other"
new_row = pd.DataFrame([["Other", (df_ts_c.groupby(["city"]).sum()[0]["Other"])]], columns=["city", "Count"])
df_ts_col = pd.concat([df_tsc, new_row], ignore_index=True)

#Cambiamento colore per Other
df_ts_col["Color"] = "1"
df_ts_col.loc[df_ts_col["city"] == "Other", "Color"] = "2"

fig = px.histogram(df_ts_col, y="city", x="Count", color="Color", title="Attacchi terroristici per città (Svizzera)")
fig.layout["xaxis"]["title"] = "Numero di attacchi"
fig.layout["yaxis"]["title"] = "Città"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Filtro Target
df_ts_c = df_ts[["Target_type"]]
df_ts_c.loc[df_ts_c["Target_type"].str.contains("Government"), "Target_type"] = "Government"

#Top 7 obbiettivi
df_ts_c = df_ts_c.groupby(["Target_type"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_tsc = df_ts_c.head(7)
df_tsc.columns = ["Target_type", "Count"]

#Raggruppamento restanti obbiettivi
df_ts_c = df_ts_c.iloc[7:]
df_ts_c["Target_type"] = "Other"
new_row = pd.DataFrame([["Other", (df_ts_c.groupby(["Target_type"]).sum()[0]["Other"])]], columns=["Target_type", "Count"])
df_ts_col = pd.concat([df_tsc, new_row], ignore_index=True)

#Cambiamento colore per Other
df_ts_col["Color"] = "1"
df_ts_col.loc[df_ts_col["Target_type"] == "Other", "Color"] = "2"

fig = px.histogram(df_ts_col, y="Target_type", x="Count", color="Color", title="Obiettivi colpiti da attacchi terroristici (Svizzera)")
fig.layout["xaxis"]["title"] = "Numero di attacchi"
fig.layout["yaxis"]["title"] = "Obiettivo"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Attacchi con almento una vittima
dfs = df_ts[df_ts["Killed"] > 0]

fig = px.histogram(dfs, x="city", y="Killed", title="Numero di vittime da attacchi terroristici per città (Svizzera)").update_xaxes(categoryorder="total descending")
fig.layout["yaxis"]["title"] = "Numero di vittime"
fig.layout["xaxis"]["title"] = "Città"
fig

#Vittime/senza vittime
df_ts = df_ts[~df_ts["Killed"].isnull()]
df_ts["Kill"] = "Con vittime"
df_ts.loc[df_ts["Killed"] == 0, "Kill"] = "Senza vittime"

fig = px.pie(df_ts, names="Kill", title="Attacchi con/senza vittime da attacchi terroristici in Svizzera")
fig

Analisi Italia

#Filto per attacchi italia
df_ts = df_terrorism[df_terrorism["Country"] == "Italy"]
df_ts_c = df_ts[["city"]]

#Top 7 obbiettivi
df_ts_c = df_ts_c.groupby(["city"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_tsc = df_ts_c.head(7)
df_tsc.columns = ["city", "Count"]

#Raggruppamento restanti obbiettivi
df_ts_c = df_ts_c.iloc[7:]
df_ts_c["city"] = "Other"
new_row = pd.DataFrame([["Other", (df_ts_c.groupby(["city"]).sum()[0]["Other"])]], columns=["city", "Count"])
df_ts_col = pd.concat([df_tsc, new_row], ignore_index=True)

#Cambiamento colore per Other
df_ts_col["Color"] = "1"
df_ts_col.loc[df_ts_col["city"] == "Other", "Color"] = "2"

fig = px.histogram(df_ts_col, y="city", x="Count", color="Color", title="Attacchi terroristici per città (Italia)")
fig.layout["xaxis"]["title"] = "Numero di attacchi"
fig.layout["yaxis"]["title"] = "Città"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Filtro Target
df_ts_c = df_ts[["Target_type"]]
df_ts_c.loc[df_ts_c["Target_type"].str.contains("Government"), "Target_type"] = "Government"

#Top 7 obbiettivi
df_ts_c = df_ts_c.groupby(["Target_type"]).size().to_frame().sort_values([0], ascending = False).reset_index()
df_tsc = df_ts_c.head(7)
df_tsc.columns = ["Target_type", "Count"]

#Raggruppamento restanti obbiettivi
df_ts_c = df_ts_c.iloc[7:]
df_ts_c["Target_type"] = "Other"
new_row = pd.DataFrame([["Other", (df_ts_c.groupby(["Target_type"]).sum()[0]["Other"])]], columns=["Target_type", "Count"])
df_ts_col = pd.concat([df_tsc, new_row], ignore_index=True)

#Cambiamento colore per Other
df_ts_col["Color"] = "1"
df_ts_col.loc[df_ts_col["Target_type"] == "Other", "Color"] = "2"

fig = px.histogram(df_ts_col, y="Target_type", x="Count", color="Color", title="Obiettivi colpiti da attacchi terroristici (Italia)")
fig.layout["xaxis"]["title"] = "Numero di attacchi"
fig.layout["yaxis"]["title"] = "Obiettivo"
fig.layout["yaxis"]["autorange"] = "reversed"
fig.update_layout(showlegend=False)
fig

#Attacchi con almento una vittima
dfs = df_ts[df_ts["Killed"] > 1]

fig = px.histogram(dfs, x="city", y="Killed", title="Numero di vittime da attacchi terroristici per città (con almento 2 morti - Italia)").update_xaxes(categoryorder="total descending")
fig.layout["yaxis"]["title"] = "Numero di vittime"
fig.layout["xaxis"]["title"] = "Città"
fig

#Vittime/senza vittime
df_ts = df_ts[~df_ts["Killed"].isnull()]
df_ts["Kill"] = "Con morti"
df_ts.loc[df_ts["Killed"] == 0, "Kill"] = "Senza morti"

fig = px.pie(df_ts, names="Kill", title="Attacchi con/senza vittime da attacchi terroristici in Italia")
fig